311.185 (22W) Regressionsmodelle
Überblick
Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter: https://www.aau.at/corona.
- Lehrende/r
- LV-Titel englisch Regression Models
- LV-Art Vorlesung
- LV-Modell Präsenzlehrveranstaltung
- Semesterstunde/n 2.0
- ECTS-Anrechnungspunkte 3.0
- Anmeldungen 13
- Organisationseinheit
- Unterrichtssprache Deutsch
- mögliche Sprache/n der Leistungserbringung Deutsch
- LV-Beginn 04.10.2022
- eLearning zum Moodle-Kurs
Zeit und Ort
LV-Beschreibung
Intendierte Lernergebnisse
Die Studierenden sind nach Absolvierung der Lehrveranstaltung in der Lage, Regressionsmodelle zu formulieren und auf Daten anzuwenden, sowie wichtige statistische Eigenschaften zu formulieren und deren Herleitung zu beweisen.
Lehrmethodik
Vorlesung mit interaktiven Elementen
Inhalt/e
- Klassische lineare Modelle (Definitionen, Schätzen, Testen, Modellwahl und Variablenselektion)
- Erweiterungen (allgemeines lineares Modell, Regularisierung, Boosting, bayesianischer Zugang)
- Generalisierte lineare Modelle (Logit/Probit, Zähldatenmodelle, bayesianischer Zugang)
- Weitere Themen je nach Interesse/Zeit, etwa: Ordinale Modelle, mixed models, nichtparametrische Regression
Erwartete Vorkenntnisse
- elementare Arithmetik
- lineare Algebra (insbesondere Matrizenrechnung)
- Grundlagen der Wahrscheinlichkeitsrechnung
- Arbeiten mit Verteilungen
- R oder ähnliche Skriptsprache
Literatur
Fahrmeier, Kneib, Lang, Marx (2021): Regression. Models, Methods and Applications (2nd edition). Springer.
Fahrmeier, Kneib, Lang (2009): Regression. Modelle, Methoden und Anwendungen. Springer.
Prüfungsinformationen
Prüfungsmethode/n
Schriftliche Leistungsüberprüfung in deutscher Sprache. Prüfungstermine: letzter LV-Termin, sowie drei weitere Termine am Anfang, in der Mitte, und am Ende des darauffolgenden Semesters.
Prüfungsinhalt/e
Inhalte der Vorlesung.
Beurteilungskriterien/-maßstäbe
Schriftliche Leistungsüberprüfung.
Beurteilungsschema
Note BenotungsschemaPosition im Curriculum
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 17W.1)
-
Fach: Stochastik
(Pflichtfach)
-
6.5 Lineare Modelle (
2.0h VO / 3.0 ECTS)
- 311.185 Regressionsmodelle (2.0h VO / 3.0 ECTS) Absolvierung im 5. Semester empfohlen
-
6.5 Lineare Modelle (
2.0h VO / 3.0 ECTS)
-
Fach: Stochastik
(Pflichtfach)
- Bachelorstudium Technische Mathematik
(SKZ: 201, Version: 22W.1)
-
Fach: Stochastik
(Pflichtfach)
-
6.6 Regressionsmodelle (
2.0h VO / 3.0 ECTS)
- 311.185 Regressionsmodelle (2.0h VO / 3.0 ECTS) Absolvierung im 5. Semester empfohlen
-
6.6 Regressionsmodelle (
2.0h VO / 3.0 ECTS)
-
Fach: Stochastik
(Pflichtfach)
Gleichwertige Lehrveranstaltungen im Sinne der Prüfungsantrittszählung
-
Wintersemester 2023/24
- 311.185 VO Regressionsmodelle (2.0h / 3.0ECTS)
-
Wintersemester 2021/22
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2020/21
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2019/20
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2018/19
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)
-
Wintersemester 2017/18
- 311.185 VO Lineare Modelle (2.0h / 3.0ECTS)